首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸美丽分类算法研究

摘要第1-4页
Abstract第4-6页
目录第6-8页
第一章 绪论第8-14页
   ·研究背景和意义第8-9页
   ·国内外研究现状第9-12页
   ·本文内容及组织第12-14页
     ·本文主要内容第12页
     ·本文的组织第12-14页
第二章 基于LBP的纹理特征提取第14-26页
   ·LBP描述子基本原理第14-17页
     ·LBP描述子第14-15页
     ·扩展的LBP描述子第15-17页
   ·LBP的发展演化第17-22页
     ·LBP统一模式第17-19页
     ·旋转不变的LBP描述子第19-21页
     ·LBP的特点第21-22页
   ·基于LBP的人脸纹理特征提取第22-25页
     ·基于LBP人脸纹理特征提取第22-24页
     ·LBP人脸纹理特征匹配第24-25页
   ·小结第25-26页
第三章 基于SIFT和SPM的特征提取第26-40页
   ·SIFT特征提取第26-33页
     ·构建尺度空间第27-28页
     ·尺度空间极值点检测第28-29页
     ·确定特征点的位置第29-31页
     ·为特征点分配方向值第31-32页
     ·SIFT特征描述子第32-33页
   ·构建人脸图像的视觉词袋模型第33-34页
     ·构建视觉词袋模型第34页
     ·K-means聚类算法第34页
   ·空间金字塔匹配第34-37页
     ·金字塔匹配核算法第35-36页
     ·空间金字塔匹配策略第36-37页
   ·小结第37-40页
第四章 分类器设计第40-48页
   ·K近邻算法第40-41页
     ·KNN原理第40-41页
     ·KNN的优缺点第41页
   ·支持向量机第41-46页
     ·线性可分的支持向量机第41-43页
     ·线性不可分的支持向量机第43-44页
     ·非线性支持向量机第44-46页
     ·支持向量机的优缺点第46页
   ·小结第46-48页
第五章 实验结果与分析第48-54页
   ·人脸美丽数据库第48-49页
   ·基于LBP的人脸美丽分类第49-51页
   ·基于SIFT和SPM的人脸美丽分类第51页
   ·实验结果分析第51-52页
   ·小结第52-54页
第六章 结束语第54-56页
   ·总结第54-55页
   ·工作展望第55-56页
致谢第56-58页
参考文献第58-61页

论文共61页,点击 下载论文
上一篇:基于图像技术的古代碑文处理及展示研究
下一篇:基于交替学习和免疫优化的压缩感知图像重构